文献

J-GLOBAL ID：202102222454662681   整理番号：21A0986303

風力エネルギー変換器システムの効率的な故障検出と診断【JST・京大機械翻訳】

Efficient fault detection and diagnosis of wind energy converter systems

著者 (7件)： Yahyaoui Zahra (Higher institute of Applied Science and Technology of Kasserine, University of Kairouan,Kasserine,Tunisia) ,  Hajji Mansour (Higher institute of Applied Science and Technology of Kasserine, University of Kairouan,Kasserine,Tunisia) ,  Mansouri Majdi (Electrical and Computer Engineering Program, Texas A&M University at Qatar,Doha,Qatar) ,  Harkat Mohamed-Faouzi (Electrical and Computer Engineering Program, Texas A&M University at Qatar,Doha,Qatar) ,  Kouadri Abdelmalek (Electrical and Computer Engineering Program, Texas A&M University at Qatar,Doha,Qatar) ,  Nounou Hazem (Electrical and Computer Engineering Program, Texas A&M University at Qatar,Doha,Qatar) ,  Nounou Mohamed (Electrical and Computer Engineering Program, Texas A&M University at Qatar,Doha,Qatar)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SSD  ページ： 213-218  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最新の風力タービン変換器(WTC)システムの故障検出と診断は,信頼性,アベイラビリティ,および必要な安全性を増加させるように,これらのシステムの運転を改善するための重要な手段を受けてきた。したがって,本論文はWTCシステムにおける故障検出と診断(FDD)の問題を扱う。開発したFDD手法は,特徴抽出と選択,および異なる運転条件下でのWTCシステムの監視のための故障分類ツールを使用する。開発したFDDアプローチを,主成分分析(PCA)技術を特徴抽出目的に用い,機械学習(ML)分類器を故障診断に適用した。提案したFDDアプローチでは,WTCデータから最も有益な特徴を抽出し選択するPCA部分空間における効率的な特徴を提供した。また,それらの統計的特性も含まれている。ML分類器を,故障診断問題を実行するために抽出および選択した特徴に適用した。開発した手法の有効性とより高い分類精度を,風力タービンの種々の操作条件から抽出した模擬データを用いて実証した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変換器 ,  信頼性 ,  故障診断 ,  特徴抽出 ,  *故障検出 ,  アベイラビリティ ,  風車 ,  有効性 ,  主成分分析 ,  機械学習
準シソーラス用語： 操作条件 ,  部分空間 ,  分類精度 ,  運転条件 ,  故障分類 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 風力エネルギー変換 ,  故障検出 ,  診断